家里只有一台 PVE,我的断电恢复全流程
很多断电恢复的教程默认你有一套集群:三节点、Ceph、HA。但大多数家庭 Homelab 的现实是:一台 PVE 主机,里面 VM 和 LXC 混着跑,再塞一台 NAS 虚拟机。这篇文章就写单机场景下的断电恢复——从 BIOS 设置到启动顺序,从来电巡检到一次完整的演练复盘。所有命令都在 PVE 8.x(Debian 12 基座)下验证过语法,其他版本思路相同。
适用范围与前置条件
- 单台 PVE 主机(不涉及集群、Ceph、HA),VM 与 LXC 混跑,可能有 NAS 虚拟机。
- 家里停电后来电,希望设备自动恢复到可用状态,而不是逐台手动开。
- 你能通过 SSH 或键盘显示器进到 PVE 宿主机。
- 不要求有 UPS;如果有的话本文第四节会提一句它的位置,没有也完全成立。
配图建议 1:单机拓扑图(市电 → 主机电源 → PVE → VM/LXC → 服务),建议 1200×600,横版。
一、BIOS 来电自启:一切的前提
断电恢复的第一环根本不在 PVE 里,而在主板 BIOS。绝大多数主板的 BIOS 里有 "Restore on AC Power Loss"(有的叫 AC Back / After Power Loss)这个选项,值一般有三档:
Power Off:来电后保持关机(默认,你要改掉的就是它)Power On:来电后自动开机 ← 选这个Last State:恢复断电前的状态
改成 Power On 或 Last State 都行。我个人选 Power On,理由很朴素:家里断电往往是我拔插头、跳闸这类明确事件,恢复供电就该开机;Last State 在"断电前恰好是关机维护"的场景下反而把机器留在关机状态,半夜来电它不会自己起来。
注意两个坑:
- 部分迷你主机/软路由主板的这个选项藏在 chipset 或 south bridge 菜单深处,别只翻第一页。
2. 有些主板断电时间过长后再来电会走"完整冷启动",POST 时间明显变长,这是正常的,不要以为坏了。
改完之后强烈建议实际拔一次电验证——BIOS 设置这种东西,看截图不如亲手验一遍。
配图建议 2:BIOS 设置页照片或截图,红框标出 Restore on AC Power Loss 选项,建议 1200×800。
二、VM / CT 的 onboot 与 startup:让 PVE 替你排队
来电后 PVE 宿主机起来,接下来是它替你把 VM 和 LXC 一台台拉起来。这里的关键不是"开自启",而是排队——启动顺序错了,会出现应用起来了但数据库没起、NAS 虚拟机没挂上导致备份目录 404 这类问题。
1. 先盘一遍现有的机器
# 列出所有 VM 和 CT 的 ID 与名称
qm list
pct list
拿张纸(或一个 markdown 文件)列出来:哪台是什么角色、谁依赖谁。我自己按角色分了三层:
- 基础设施层:NAS 虚拟机(提供网络存储挂载)、软路由类 VM(如果有)、反向代理/内网 DNS
- 数据层:数据库类 LXC、存状态的服务(如 Vaultwarden、Memos)
- 应用层:博客、面板、下载工具这类"挂了重启也不心疼"的
2. 设置自启与顺序
Web 界面里每台 VM/CT 的 Options → Start at boot 可以勾选,但批量管理时命令行更顺手:
# NAS 虚拟机(假设 ID 100)最先起,给 60 秒就绪时间
qm set 100 --onboot 1 --startup order=1,up=60,down=120
# 数据库类 LXC(假设 ID 110)第二
pct set 110 --onboot 1 --startup order=2,up=30,down=60
# 应用类(假设 ID 120、121)随后
qm set 120 --onboot 1 --startup order=3,up=30,down=30
pct set 121 --onboot 1 --startup order=3,up=30,down=30
参数含义:
order:数字越小越先启动。相同 order 的会并行起。up:等待这台机器就绪的秒数,到时间才继续下一组。NAS 这种要起 Samba/NFS 的,给宽一点。down:关机时等待的秒数。数据库和 NAS 的 down 也要给长,让它们有时间刷盘。
两条经验:
- LXC 起得快,VM 起得慢。同样 order=1 的 VM 会拖慢整体启动,能改成 LXC 的服务尽量 LXC。
- 配置实际落在
/etc/pve/qemu-server/<id>.conf和/etc/pve/lxc/<id>.conf里,一行startup: order=1,up=60,down=120,直接看文件排查最直观。
配图建议 3:启动顺序时间轴图(order=1 基础设施 → order=2 数据 → order=3 应用),建议 1200×500。
三、VM/CT 内部:systemd 是最后一道自启
PVE 把机器拉起来,机器里的服务还得自己起来。原则只有一条:所有长期服务都交给 systemd,不要用 nohup、screen、tmux 挂后台。
一个典型的单元文件(示例):
# /etc/systemd/system/myapp.service
[Unit]
Description=My self-hosted app
After=network-online.target
Wants=network-online.target
[Service]
ExecStart=/opt/myapp/run.sh
Restart=always
RestartSec=10
[Install]
WantedBy=multi-user.target
systemctl daemon-reload
systemctl enable --now myapp
Restart=always 是断电恢复场景的灵魂:来电后数据库可能比应用晚就绪,应用第一次启动失败没关系,10 秒后它会再试。没有这个,一次启动顺序的意外就把整条链卡死。
Docker 用户同理:docker run 加 --restart unless-stopped,compose 里写 restart: unless-stopped,并确认 docker 服务本身是 enabled 的(systemctl is-enabled docker)。
四、有 UPS 的话:它的位置
单机场景下 UPS 不是必需,但有的话能解决"断电持续太久"的问题。PVE 上装 NUT,用 usbhid-ups 驱动连 UPS 的 USB 口,低电量时执行 qm shutdown 逐台干净关机再 halt 宿主机——这样比硬断电对数据库友好得多。这部分展开又是一篇文章,这里只提一句:UPS 解决"停电期间怎么办",BIOS+onboot 解决"来电之后怎么办",两者是互补关系。
五、来电后的巡检清单
自动化永远会有漏网之鱼。我的习惯是来电恢复后 10–15 分钟,照着下面这张清单过一遍,全程不超过五分钟。
1. 宿主机层
# 有没有 failed 的 systemd 单元(第一优先看这个)
systemctl --failed
# VM/CT 是否全部按预期起来了
qm list
pct list
# 存储是否都挂上了(重点看 NAS 虚拟机相关的挂载点)
pvesm status
df -h | grep -v tmpfs
systemctl --failed 输出为空是理想状态;有 failed 就 journalctl -u <单元名> -b 看本次开机日志。pvesm status 里 storage 出现 inactive,多半是 NAS 虚拟机里的服务还没就绪,等一分钟再看,仍不行就进 NAS 虚拟机里查 Samba/NFS 服务。
2. VM/CT 内部抽查
不用每台都进,抽查数据层和 NAS:
# 数据库类(示例,按实际替换)
pg_isready -h 127.0.0.1 # PostgreSQL
mysqladmin ping # MySQL/MariaDB
# 各 CT 里快速过一遍 failed 单元(示例)
pct exec 110 systemctl --failed
3. 服务与备份状态抽查
- Uptime Kuma(或你用的监控)里过一眼有没有红色项。
- 备份:这是最容易被忽略的一环。断电恰恰最容易伤到正在写入的备份,所以来电后顺手确认最近一次 vzdump 备份的文件大小正常、时间戳是昨天的:
ls -lh /mnt/pve/nas-backup/dump/ | tail -5
# 或者看 PBS:proxmox-backup-client 任务日志有没有报错
如果断电时段正好有备份任务在跑,那个备份文件多半是残缺的,删掉等下一次任务重跑,不要留着当心理安慰。
- 外网可达性:家里断电期间动态域名解析到的 IP 可能变了(重拨后),DDNS 客户端是否已经把新 IP 推上去,从外网(手机流量)访问一次确认。
4. 记录
巡检发现的问题随手记两行:哪个单元 failed、怎么处理的。这些记录就是下一节演练复盘的素材,也是下次改进 onboot/startup 配置的依据。
六、一次演练的复盘怎么写
我强烈建议每年做一到两次完整的断电演练:主动把整台 PVE 干净关机,再模拟来电(直接按电源键开机即可,BIOS 设置不受影响),然后掐表看多久恢复、哪些环节掉了链子。
注意这里说的是"演练"——主动、可控、有人守着,和真实事故是两回事。复盘时不编造戏剧性细节,就写事实:演练做了什么、预期是什么、实际发生了什么、改了什么。一份演练复盘的骨架(示例):
演练目的:验证单机 PVE 在整机断电重启后能否自动恢复全部服务。
>
预期:来电(开机)后 10 分钟内,基础设施层与数据层就绪,应用层 15 分钟内全部可达,无需人工干预。
>
实际过程:主机 POST 约 40 秒;PVE 起来后按 order 依次拉起 VM/CT;NAS 虚拟机就绪耗时比预期长,导致挂在它上面的备份存储 inactive 了约 X 分钟,order=1 的 up 参数从 60 调到 90 后复测通过。(以上为示例口径,数字按你自己的演练实测填写。)
>
发现的问题与处置:
1. 某应用 CT 的服务不是 systemd 托管,来电后没起来 → 改写为 systemd 单元。
2. 备份存储 inactive 期间恰好没有依赖它的任务,未造成损失 → 把依赖该存储的定时任务加上了存储就绪检查。
>
结论:自动恢复链路基本成立,遗留改进项两条,下次演练验证。
复盘的价值不在文字本身,而在"预期 vs 实际"的差值——每个差值都对应一条具体的配置修改。改完不放心,就再演练一次。
配图建议 4:演练复盘表格截图(预期/实际/处置三列),建议 1200×600。
七、注意事项与踩坑汇总
- BIOS 改了不等于生效:有些主板在"快速启动"开启时行为不同,改完必须实测一次拔电。
2. onboot 全开也不等于万无一失:存储没就绪时起来的应用会 failed,靠 up 参数和 Restart=always 兜底,两者缺一不可。
3. 别把所有机器都设 order=1:order 相同会并行启动,VM 密集并行会抢磁盘 IO,整体反而更慢。
4. down 参数同样重要:关机顺序错了(应用还没停、数据库先停)一样伤数据,down 要按 order 的反序给足。
5. 备份可能本身就是断电受害者:来电巡检必须看最近一次备份的时间戳和大小,残缺备份要果断删掉重跑。
6. LXC 配置文件在 /etc/pve/lxc/,VM 在 /etc/pve/qemu-server/:命令行 set 失败时直接看文件最省事。
7. 演练要挑没人用服务的时间做,并提前给家里人说一声——别问我怎么知道的,反正冰箱上的智能插座断电也会连坐。
写在最后
单机 PVE 没有 HA 的底气,所以更要靠"每一环都自动做正确的事"来补:BIOS 来电自启、onboot + startup 排队、systemd 兜底、来电巡检、定期演练。这套东西搭一次只要一个下午,之后每次停电你都可以不慌不忙——顶多掏出手机看一眼监控面板,然后继续干自己的事。
Homelab 的可靠性从来不是买出来的,是演练出来的。

Comments NOTHING